图片来源：a16z
Z Highlights
-
曾经，定制化在大规模生产中几乎不可能实现，但现在，AI驱动的工具正在开始让这一愿景成为现实。
-
随着每次互动，助手通过个人数据的“飞轮效应”学习，借助你的浏览习惯、聊天记录和购买模式，提供超个性化的体验。
AI正彻底改变在线购物
无需走进商店，甚至不需要在线搜索——你的AI个人购物助手已经知道你在寻找什么：一款300美元以下、易于清洁的紧凑型意式咖啡机，或者一双100美元以下、不那么老气的夏季运动鞋。它会立即提供经过精心挑选的选项，按质量、价格和定制适配排序，无需滚动页面。
如今的在线购物体验创造了一种“选择悖论”，充斥着无穷无尽的商品、波动的价格和尺码的不确定性。在传统模式中，数量是极好的——更多的产品、更多的卖家、更多的广告。AI正在改写这一进程，使其更加精细化、更丝滑。AI双胞胎提前试穿衣服，白手套配送前在你的空间中预览家具，根据你的确切要求定制产品，让AI购物车进行价格比对、筛选垃圾评论，并在你点击购买之前锁定最优惠的价格。
在线购物正在变得更加智能、预测性强且直观。很快，合适的产品、合适的价格和尺码将会找上门，你无需再去寻找它们。
OpenAI正在将购物作为一个专门的应用场景，添加了如Operator等工具，允许用户请求产品推荐；又如Deep Research，它汇总规格、评论和价格数据，进行并排比较。同时，创业公司正在为堆栈中的每一个步骤构建垂直整合的解决方案——从产品发现、智能多模态搜索，到虚拟试穿和自动化的购买后支持。我们看到这一趋势发展的几种方式。
不再有“这件衣服适合我吗？”
扩散模型消除了购物中的“猜测”。现在，虚拟试穿可以轻松展示衣物在你实际身体上的效果，而不再是在一个通用的模特身上。消费者不需要靠想象或试穿多种尺码，就能即时通过真实的精准度预览服装和风格。
Doji能让用户通过全身照片和面部扫描创建AI头像。然后，个性化的LoRA模型会被训练成你的数字双胞胎，你可以通过点击来“试穿”衣物。在几秒钟内，你就能看到自己穿上这件衣服的样子——合身、垂感，所有细节都展现出来。随着3D模型生成技术的进步，消费者很快能够以更高的准确度评估服装的合身程度和运动感。购物变得更加直观和数据驱动。
图片来源：a16z
从“没衣服穿”到AI定制的风格
买衣服很容易，但搭配却是另一回事。很多人有爆满的衣柜，却很难将这些衣物搭配成日常穿搭，结果是有一半的衣物无人问津。这一问题并不新鲜，早在1995年，《Clueless》（《傻妹当家》）就想出了Cher的数字衣橱。今天，TikTok有很多人试图解决同样的问题。有些人甚至通过在笔记应用中分类整理穿搭来保持条理。
现在，AI驱动的造型师将这一愿景变为现实。Alta这样的工具充当数字衣橱，根据你已有的衣物、个人风格偏好、天气，甚至你的日程安排来推荐搭配。它们帮助你重新发现遗忘的单品，推荐基础款，并提供个性化的搭配提示，本质上充当一个智能、适应性的个人造型师。用户每天都会收到量身定制的穿搭推荐，符合他们的生活需求。
图片来源：a16z
从想象到库存：创造你想要的
试想一下，如果你购买的每一件产品都可以根据你的具体偏好进行修改，不仅仅是从预设选项中选择，而是与AI合作，调整尺寸、形状、颜色和设计。曾经，这种定制化在大规模生产中几乎不可能实现，但现在，AI驱动的工具正在开始让这一愿景成为现实。
Arcade AI提供了未来的早期预览。像“为生日派对设计一枚星形戒指”这样具体的提示，不会返回静态的产品列表，而是根据你的输入生成独特的设计。用户可以完善细节，AI会实时更新产品和价格。
这种方法不仅限于珠宝。随着AI深入电子商务，它正在重新塑造购物界面和供应链。生成模型使得实时产品渲染成为可能，而按需制造、模块化设计和3D打印则使得大规模定制产品的生产成为现实。现在，零售商可以在有订单时才生产个性化产品，AI预测需求并优化生产。由此，动态的产品系列和实时的共同创造，适用于各种产品。
图片来源：a16z
由AI找到最划算的交易
“发现”和“搜索”一直是在线购物的入口。如今，初创公司正在利用这一切入点构建个性化的购物助手，旨在为用户推荐合适的产品和价格。许多公司正在基于多模态模型进行开发，通过文本、图像和视觉输入与用户互动；同时，它们也在针对不同的消费者优先考虑事项来争夺市场份额。例如，Dupe帮助用户找到价格更实惠的大件家具替代品，而Beni则为环保意识较强的购物者提供二手商品选择。策略很明确：通过更智能、更个性化的发现方式，在购物开始时就吸引用户。
图片来源：a16z
品牌正在大规模地与客户建立联系
大语言模型为品牌提供了一种更简单、更具可扩展性的方式来处理销售、支持和客户服务，自动化传统上由人工客服处理的任务。例如，Decagon提供的在线客户支持agent能够处理诸如更新账户信息、处理订单更换、管理发货、追踪退款请求以及提供实时发货状态更新等关键功能。当像Curology这样的品牌采用这些AI驱动的agent时，它们稳步提高了客户的转接率，同时也改善了首次响应时间。
未来展望：个性化、预测性、AI驱动的购物
AI驱动的购物仍处于初期阶段，但其前景良好。初创公司从不同角度切入这一机会，改善“搜索”和“发现”，启用虚拟试穿，提供定制库存，以及整理衣橱以激发新的搭配和购买。这些早期创新正在为一个完全整合的个人购物助手奠定基础，它能理解你的风格，记住你的偏好，并随着每次互动变得更加智能。
想象一下，一个助手可以为你补充日常必需品，预测你的需求，推荐下一次购买，并帮助你在一个地方管理所有的购物。随着每次互动，助手通过个人数据的“飞轮效应”学习，借助你的浏览习惯、聊天记录和购买模式，提供超个性化的体验。随着它积累更多的上下文信息，它将消除购物过程中的摩擦，免去在多个购物网站之间切换或手动维护购物清单的需求。
除了这一智能购物层，新的时尚基本要素正在出现。传统上，时尚围绕着单一的物品，比如衬衫、裤子或鞋子。而服装则因其深具个人性、依赖上下文的特性，缺乏结构化的地位。现在这一局面正在发生变化。随着AI能够理解上下文、风格偏好和衣橱搭配，服装正在被提升为“一级基本要素”，其重要性与单独的服饰品项相当。
这标志着从传统的“一对多”模式的转变。在这种模式下，消费者通过模仿杂志上的造型或依赖有限的个人搭配知识来选择穿搭，向个性化的服装生成世界迈进。消费者常常发现自己困于那些穿起来过于大胆或过于平淡的衣物之间。AI可以通过智能地结合你已经拥有的衣物、建议潜在的新购买品，甚至想象出尚不存在的服装，来弥合这一差距。这是对时尚发现、策划和创作方式的根本重新定义。
尽管如此，实现这一愿景仍面临挑战。最大的问题之一就是：引导。消费者希望AI助手能够立即理解他们，而不需要手动上传偏好、购买历史或收藏物品。为了让AI驱动的购物发挥其潜力，用户体验必须从一开始就需要几乎零摩擦。
尽管有这些障碍，市场依然广阔。而灵活、富有创意的初创公司最有可能在这一领域定义未来。在一个品味、上下文和身份至关重要的领域，个性化不仅仅是一个功能，它是核心产品。我们正处于电子商务新时代的边缘：在“AI全知视角”购物的时代，购物将变得更个性化、更智能、更直观。
原文：Shopping in ‘God Mode’ with AI
https://a16z.com/ai-shopping-online/
编译：Christine Liu
请注意，本文编译自文末载明的原始链接，不代表Z Potentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。
Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。
（文：Z Potentials）